出版社:中信出版社 低利率环境持续，债务成本相对经济增长被动态稀释，为财政扩张提供自我偿付空间；生成式人工智能将非结构化文本即时转化为可计算因子， 显著降低信息摩擦与策略开发门槛；全球资本再配置推动风险溢价与治理溢价重估，资产边界随产业链地理重构而外移。三者协同，形成"资金廉 价—信息高效—资产多元"的新均衡通道，要求投资者同步重构杠杆策略、信号引擎与跨境风控框架，方可在宏观范式转换中锁定风险调整后的长 期超额收益。 第一财经精心挑选了《全球视野下的投资机会》《金融大语言模型》《低利率时代的财政政策》三本书籍，让读者看到一条低门槛、高维度、广 领域的投资通道。 《全球视野下的投资机会》 作者:时寒冰 编辑部推荐： 本书以货币、资源、人口、科技为线索，系统梳理黄金、白银、新能源、美股、中药材等全球资产轮动规律，提出"资本流向=财富流向"的核心逻 辑。同时，在美元周期、地缘博弈与产业变迁中锁定稀缺标的，用ETF、指数基金等低门槛工具构建跨越时空的"确定性组合"，在不确定的世界 中筑牢私人财富护城河。 原文摘录： 顺势而为说起来简单，但要真正做到并不容易。 有些大趋势已经开始转换，但很多人浑然不觉，所谓"不识庐山真 ...

LSEG 的解决方案将宏观经济预测与市场微观结构分析相结合，帮助卖方研究人员和投资专业 人士在海量信息中精准识别"信号"，有效规避"噪音"，提升研究效率与投资回报。 我们诚挚邀请您参加由伦敦证券交易所集团（LSEG）主办的量化专题活动——" 从微观交易到 宏观经济：LSEG量化洞察上海交流会 "，与基金、量化、研究机构及咨询公司的专业人士，共 话量化洞察与数据驱动的投资未来。立即报名参会！ 活动时间 活动背景 在瞬息万变的金融市场中，准确及时的宏观经济情报与微观交易数据正成为卖方研究与投资决 策的关键驱动力。宏观层面，LSEG 与 XTech 联合推出的预测模型，通过前沿指标提前洞察全 球经济趋势，为研究机构和投资者提供可操作的市场信号。微观层面，借助分钟级别的股票交 易数据和机器学习算法，投资者能够实时识别"聪明资金"何时建仓或减仓，从而在制定入场与 退出策略时获得关键优势。 活动议程 16:30 - 17:00 签到与交流 17:00 - 17:20 主题分享：从微观交易到宏观经济——LSEG量化解决方案 Arman Sahovic博士 , LSEG亚太区Front Office解决方案总监 17:20 ...

当谈及数据监测能力时，一家企业的技术储备往往能决定其服务深度。以北京蓝太平洋科技股份有限公司为例，这家新 三板挂牌的科技企业深耕大数据领域多年，凭借国家高新技术企业的资质，形成了独特的技术壁垒。其研发团队不仅专 注于数据挖掘和机器学习，更在自然语言处理与深度学习方向持续突破。通过构建覆盖全国的监测网络，蓝太平洋实现 了对互联网信息的高效采集与分析，这种布局让企业能够第一时间获取市场动态。 数据的时效性与准确性是舆情监测的核心价值。蓝太平洋依托自建的IDC数据中心，结合全国各主要运营商的资源，在 国内外部署了大量数据探测节点。这种立体化的数据采集体系，使得监测结果既具备广泛的覆盖面，又能保持较高的精 确度。对于需要实时响应的行业而言，这种能力尤为重要。例如在金融领域，市场情绪的细微变化可能预示着重大趋 势，而蓝太平洋的智能分析引擎恰好能捕捉这些信号。 服务模式的创新同样值得关注。不同于传统服务商的单一化操作，蓝太平洋将大数据技术与移动互联网应用深度融合， 推出了多款定制化解决方案。其构建的用户体检监测云服务中心，能够将数据转化为直观的可视化报告，这种将复杂技 术转化为实用工具的能力，让非技术背景的管理者也能快速 ...

近日，谷歌在一场持续5年的反垄断案中取得阶段性胜利，成功避免被强制拆分。令人关注的是，在这 场危机中"救局"的，恰恰是被视为谷歌竞争对手的OpenAI等生成式人工智能（AI）公司。谷歌一案的 判决让业界更清晰地看到，AI正在重塑全球搜索引擎市场的竞争格局。 传统搜索引擎还掌握着生成式AI发展的关键资源——算力与数据。例如，OpenAI训练ChatGPT需依赖 庞大算力，而谷歌云位居全球前三；模型优化需要海量数据，其中大量仍存储于谷歌服务器中。而这些 AI公司若想跳过这一枷锁，自建数据索引库，不仅技术门槛高，也意味着巨额成本。 无论如何，随着AI技术不断发展，全球搜索业务已站在转型的十字路口。新兴AI搜索能否突破成本与 技术壁垒，开辟新格局？传统搜索巨头又能否摆脱固有商业模式的束缚，成功实现AI化转型？答案尚 未揭晓。可以确定的是，AI不再只是技术革命的推动者，也正在成为塑造市场竞争与监管走向的关键 力量。谷歌一案的判决，被业内称为"本世纪科技行业最具深远影响的法院裁决之一"，将为同样面临反 垄断诉讼的Meta、亚马逊和苹果提供重要参考和借鉴。 （文章来源：经济日报） 谷歌能够避免被拆分，生成式AI意外成了"救 ...

拼多多客服压力来源 - 咨询量在促销高峰期呈几何级数增长 人工客服难以兼顾每个用户的细致需求 [3] - 标准化高频次问题如物流查询 退款申请 优惠券使用占据客服日常工作很大比例 导致精力消耗和职业倦怠 [4] - 客服直接承受用户因物流延迟 商品瑕疵 售后纠纷产生的负面情绪 需要极强的情绪管理能力和沟通技巧 [5] - 平台规则 活动政策 商品信息不断变化 客服需持续学习更新知识库 回答不准确可能引发客诉 [6] 智能客服Agent解决方案 - 提供7x24小时在线服务 处理用户初步咨询 有效分流简单重复性咨询如查询物流 订单状态 基础规则说明 [7] - 基于强大知识库和语义理解能力 准确识别用户关于标准化问题的意图并瞬间提供解答或操作指引 [9] - 具备情感分析能力 识别用户强烈负面情绪如愤怒 失望 焦虑 可预警人工客服或转接高级客服处理 [9] - 在人工客服处理复杂咨询时实时提供支持 包括知识库速查 流程引导 政策信息推送 [9] - 通过不断学习历史对话数据持续优化回答准确性 自然度和解决能力 持续分担人工客服工作量 [9] 人机协同价值 - 智能客服Agent过滤简单重复低价值咨询 屏蔽负面情绪第一波冲击 为人工客服挡风遮雨 [9] - 为人工客服提供信息支持 流程引导 风险预警 使其处理复杂敏感高价值问题时更从容高效 [9] - 缩短用户等待时间 提高问题解决率 改善用户体验 最终提升平台整体服务效率与质量 [9]

公司战略与产品定位 - 特斯拉CEO埃隆·马斯克认为公司未来约80%的价值将来自Optimus擎天柱机器人 [2] - Optimus机器人被定位为"解放人类劳动"的核心载体 计划于2026年实现商业化应用 [2] - 机器人使命是改变人们对劳动的认知 帮助人们摆脱枯燥或危险的工作 [3] - 特斯拉预计Optimus将采用即将推出的AI5芯片 并依赖英伟达芯片训练FSD系统 [3] 市场前景与政策环境 - 2024年中国人形机器人市场规模约27.6亿元 [4] - 工信部指导意见明确到2027年产业实现规模化发展 成为重要经济增长新引擎 [4] - 前瞻产业研究院预计2030年全球人形机器人出货量将达到3.80万台 [5] - 人形机器人行业涵盖机械工程 电子技术 计算机科学和人工智能等多领域技术 [3] 技术发展与行业动态 - 人形机器人应用场景不断拓展 包括家庭服务 医疗护理 工业生产和教育娱乐 [3] - 全球多家科技巨头和初创公司积极推进人形机器人量产计划 [7] - 行业面临研发成本高 技术成熟度和市场接受度等挑战 [7] - 深度学习 自然语言处理和计算机视觉等技术突破推动行业发展 [3] 市场预期与风险因素 - 预测平台数据显示用户认为特斯拉Optimus在2027年前上市概率仅为40% [3]

公司产品发布 - 子公司黑马天启联合厦门算能于2024年1月推出政企服务一体机 旨在解决政府与中小企业在项目申报过程中的问题 [1] - 产品利用企业及知识产权大数据 自然语言处理 深度学习技术及政策大模型 实现政策信息快速获取 项目精准匹配和申报材料高效生成 [1] - 产品依托算能SG系列智算服务器打造 采用软硬件一体化设计 可满足不同场景需求 [1] 产品价值与影响 - 政企服务一体机降低企业申报成本并提高申报成功率 [1] - 产品有助于提升政策执行效率和透明度 促进政府与企业合作共赢 [1] 未来发展策略 - 公司将根据市场需求和行业发展决定下一步发展策略 [1]

AI原生医院天河方案概述 - 由国家超级计算天津中心和智临天河科技有限公司共同打造 于8月初发布 目前已在天津海河医院部分落地[1] - 相关单位正与京津冀等地多家医院合作 推动体系化及泛场景应用实践[1] - 方案实现从"人找服务"到"服务找人" 从"被动响应"到"主动协同"的诊疗模式变革[1] 智能辅助诊疗场景 - AI系统基于自然语言处理解析临床意图 主动聚合多模态数据形成完整患者信息链[3] - 医生输入症状关键词后 系统毫秒级反馈 自动调取历史CT报告 高亮异常炎症指标并生成结构化病历初稿[2][3] - 为每位医生单次诊疗节省至少5分钟 门诊日均接诊量显著增加 病历完整度大幅提升[2][3] 智能病情监测系统 - 实时监测1000张病床的20余项指标 风险评分动态更新(如D-二聚体2小时升高30%触发预警)[5][7] - 通过无损数据融合技术打破"数据孤岛" 连接床旁监护仪/智能输液泵等设备实现跨系统数据流动[6] - 采用边缘算力(实时采集)/本地算力(每日3次全量推理)/云端算力(优化模型)的三算合一架构[6] 院外健康管理延伸 - 系统接入近万名高危慢性病患者 通过可穿戴设备实现血糖等数据的持续监测[8] - 系统自动发送个性化健康建议(如胰岛素剂量调整) 再入院率较去年下降20%左右[8] - 诊疗数据围绕患者自由流动 手机/社区终端成为医患协同的健康助手[8] 系统技术架构优势 - 自然语言处理引擎解析未明说的临床需求 多模态数据融合终结"医生找数据"困境[3] - 自主决策能力实现风险自动判定与干预建议生成 形成闭环防控体系[5][6] - 在不改变原有HIS/LIS系统架构前提下 通过统一接口实现设备数据整合[6]

行业概述 - 机器人流程自动化（RPA）是一种基于软件机器人或人工智能（AI）工作者的技术，通过模拟人类在计算机上的操作，自动执行重复性高、规则性强的任务 [2] - RPA 利用用户界面（UI）和表面级特征组合，创建自动处理常规性、可预测数据转录工作的脚本，从而替代人工完成低价值、重复性的工作流程，提升效率并减少错误 [2] 行业发展历程 - 我国 RPA 行业发展历程可划分为四个阶段：初期阶段、崛起阶段、市场竞争加剧阶段、技术整合与创新阶段 [4] - 2001年，基于抓屏技术与工作流程自动化技术开发而成的按键精灵软件出现，成为国内最早的 RPA 产品 [4] - 弘玑（2015）、云扩科技（2017）、金智维（2016）等本土企业集中成立，推动技术国产化 [4] - RPA 与 AI、低代码等技术深度融合，开启超自动化新时代 [4] 行业产业链 - 产业链上游主要包括服务器、存储设备、网络设备、操作系统、数据库、自然语言处理、计算机视觉、机器学习、开发工具、云服务等技术与工具 [6] - 产业链中游为 RPA 软件与平台供应商 [6] - 产业链下游主要应用于金融、制造业、政务、医疗健康、电商与物流等领域 [6] 市场规模 - 2024年，中国 RPA 行业市场规模约为67.9亿元，同比增长35.80% [1][10] - RPA 技术在中国的应用领域广泛，涵盖了金融、制造业、医疗保健、零售与电商、政务与公共部门等多个行业 [1][10] - 在金融行业，RPA 被广泛应用于财务报表生成、贷款审批、反洗钱监控等场景 [1][10] - 在制造业，RPA 用于采购订单处理、质量检测报告生成、供应商对账等 [1][10] - 在医疗保健领域，RPA 应用于患者预约安排、治疗周期监控等 [1][10] 技术融合与趋势 - RPA 技术正与人工智能（AI）、机器学习、自然语言处理（NLP）等技术深度融合，实现更高级别的认知智能和更复杂的业务流程优化 [1][10] - 实在智能等厂商将 OCR、NLP 与机器学习融入 RPA，实现了非结构化数据处理能力的突破 [1][10] - RPA 产品的云化趋势也日益明显，以满足企业对灵活性、可扩展性和成本效益的需求 [1][10] - RPA 技术正从规则驱动向认知智能跃迁，生成式 AI 与低代码平台的融合成为核心驱动力 [18] - 未来，RPA 技术将越来越多地采用云原生架构和低代码开发模式 [21] 重点企业经营情况 - 金智维、艺赛旗、来也科技、实在智能、弘玑等厂商占据了主要市场份额 [12] - 金智维凭借其在金融领域的深厚积累和强大的技术实力，在 RPA 市场中占据领先地位 [12] - 艺赛旗在 RPA+AI 领域具有深厚的技术积累，尤其在流程挖掘方面表现突出 [12] - 金智维服务包括国有六大行总行在内的1000+政企，并在2020年完成A轮近亿元融资，2021年完成B轮逾2亿元融资，2023年完成C轮近5亿元融资 [13] - 艺赛旗服务的客户超1000家，覆盖金融、通信运营商、能源、电力、制造业等垂直行业 [15] 应用案例与效益 - 在金融行业，工商银行部署1700个 RPA 场景，年节省3万人年成本 [20] - 在制造业，宇通客车通过 RPA 将订单处理时间从20分钟压缩至3分钟 [20] - 在政务领域，北京密云区政务局利用来也科技 RPA 实现无纸化审批，录入时间压缩90% [20] - 在医疗领域，RPA 带动挂号患者等待时间减少60% [20] - 2025年上半年，中国制造业现价 GDP 为16.99万亿元，同比增长3.84% [8]

Yoshua Bengio学术成就 - Yoshua Bengio成为各领域被引用次数最多的在世科学家 总引用量超过95万次[1][4] - 2018年与Geoffrey Hinton、Yann LeCun共同获得图灵奖 表彰深度神经网络突破性贡献[4][12] - 三篇核心论文引用量极高：2014年GAN论文引用100,904次 2015年《Deep learning》引用100,061次 2016年深度学习著作引用81,400次[16][17] 关键学术贡献 - 2003年发表《一种神经概率语言模型》 解决语言建模维度灾难问题 为GPT等大语言模型奠定基础[4][14] - 2014年作为共同作者提出生成对抗网络(GAN) 推动计算机视觉领域发展[4][16] - 在注意力机制、循环神经网络、词嵌入等方向做出开创性工作 影响机器翻译与自然语言处理发展[13][16] 学术背景与职业轨迹 - 1986-1991年于麦吉尔大学完成计算机科学本硕博 师从Geoffrey Hinton[10] - 曾在MIT与贝尔实验室从事研究 期间与Yann LeCun开展合作[10] - 1993年起任职蒙特利尔大学 现任蒙特利尔学习算法研究所(MILA)所长[11] 行业影响力与创业动态 - 2024年6月成立非营利组织LawZero 已筹集3000万美元启动资金 专注于AI系统透明度与安全性研究[19][20] - 其弟Samy Bengio现任苹果公司AI与机器学习研究高级总监[9] - 深度学习研究成果直接推动自然语言处理与计算机视觉技术商业化应用[4][16] 学术引用排名格局 - Geoffrey Hinton以94万次总引用量位列第二 与Bengio差距微弱[21] - 何恺明以73万次引用量排名第五 Ilya Sutskever以67万次引用量排名第七[24] - AD Scientific Index覆盖全球260万科研人员 数据每20天更新一次 排名每2天重新计算[23]